تخمین فعالیت های صوتی با استفاده از روش یادگیری میدان تصادفی شرطی و مقایسه با روش ماشین بردار پشتیبان
- سال انتشار: 1389
- محل انتشار: شانزدهمین کنفرانس سالانه انجمن کامپیوتر ایران
- کد COI اختصاصی: CSICC16_047
- زبان مقاله: فارسی
- تعداد مشاهده: 1045
نویسندگان
دانشجوی کارشناسی ارشد،گروه مهندسی کامپیوتر و فناوری اطلاعات دانشگاه
عضو هیات علمی،گروه مهندسی کامپیوتر و فناوری اطلاعات،دانشگاه صنعتی ا
چکیده
تخمین فعالیت های صوتی عبارت است از فرایند دسته بندی سیگنال گفتار به قسمت های گفتار و غیرگفتار با توجه به کاربرد گسترده ی چنین الگوریتم هایی در شاخه های مختلف پردازش گفتار ارایه روشهایی که باعث بهبود این فرایند شوند همواره مد نظر پژوهشگران بودهاست دراین مقاله با استفاده از روش یادگیری میدان تصادفی شرطی و ویژگی های انرژی و اندازه ی همواری طیف مدلی برای تشخیص و جداسازی قسمتهای گفتاری و غیرگفتاری سیگنال صوت ارایه شده است برای بدست آوردن مقادیر بهینه ی پارامترهای روش یادگیری میدان تصادفی شرطی از مجموعه ی دادگان صوتی Aurora استفاده شده و با درنظر گرفتن این مقادیر بهینه و با استفاده از دادگان Timit مدل نهایی ساخته شد و کارایی آن روی دادگان بدون نویز 90/78% برآورد شده است مهمترین مزیت استفاده از روش یادگیری میدان تصادفی شرطی حجم کم دادگان مورد نیاز برای ساخت مدل است مقایسه ی این روش و روش ماشین بردار پشتیبان روی حجم یکسانی از دادگان آموزشی و آزمایشی نشان میدهد که میدان تصادفی شرطی 14/22% بهتر از ماشین بردار پشتیبان عمل کرده و درمقابل نویز نیز پایدارتر استکلیدواژه ها
تخمین فعالیت های صوتی،میدان تصادفی شرطی،ماشین بردار پشتیبانمقالات مرتبط جدید
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.